- 询价
- 上海
- 源兹生物拥有自主知识产权的标准芯片分析系统，可以快速分析包括Affy、Illumina、NimbleGen等公司出品的常规基因表达谱芯片，常规分析一步达成。可定制下游个性化分析。
- 2025年07月15日
万千商家帮你免费找货
0 人在求购买到急需产品
- 详细信息
- 询价记录
- 文献和实验
- 技术资料
- 服务名称：
芯片数据分析服务
- 提供商：
上海源兹生物科技有限公司
- 规格：
询价
一、miRNA表达芯片分析
microRNA（miRNA）属于Small ncRNAs，是单链的短RNA，长度在22nt左右。microRNA是基因表达的主要调节分子miRNA以序列互补的方式与特异靶mRNA结合，通过降解靶mRNA或抑制其蛋白翻译调控靶基因的表达。米RNA不但在基本的生物过程，如发育、应激反应、代谢和基因组完整性维持等方面有基本而重要的调控作用；在疾病的发生发展全过程中，也发挥重要的调控作用。
上海源兹生物科技有限公司提供常规microRNA表达谱芯片分析，流程如下：
常规分步流程：
1. 芯片预处理与标准化；
2. 筛选差异表达microRNA；
3. microRNA聚类图、火山图以及热图等；
4. microRNA靶基因预测，基于多数据库整合的靶基因预测以及源兹生物自主知识产权的预测软件同时识别；
5. 对预测的microRNA的靶基因进行GO富集分析通路富集分析等。 同时，我们还提供多种个性化分析，常见个性化分析如下：
1. microRNA网络分析：
a) microRNA靶基因失调网络。在疾病发生的过程中，某些microRNA’可能失调了它的靶基因造成正常的调控功能异常，从而造成疾病的发生
b)microNRA功能协同作用网络。正常机体中多个microRNA同时调控某一靶基因很常见，从而达到共同调控某种生命过程的目的，而在疾病个体中可能出现调控同一功能的microRNA同时出现了差异的表达，这种异常的协同作用可能是疾病发生的原因。下图为一个示例协同作用网络：
2. microRNA与其他芯片整合分析：
a) microRNA芯片与lncRNAs芯片结果联合分析（ceRNA Analysis）。根据ceRNAs（competing endogenous RNAs，竞争性内源RNAs） 假说，mRNAs、和长链非编码RNAs（long non-coding RNAs，LncRNAs）间通过使用microRNA响应元件（microRNA response elements，MREs）作为一种“语言”彼此间进行“通信”， 形成一个复杂的调控网络，在病理条件下（例如癌症），发挥着重要的作用。通过联合microRNA表达谱和Arraystar LncRNA芯片结果，能够找出最有可能的ceRNA，并绘制ceRNA调控网络。上海丰核信息科技有限公司通过分析寻找感兴趣的lncRNA 的ceRNAs，进而构建miRNA、lncRNA和ceRNA的调控网络，从而揭示ceRNA通过竞争性结合miRNA来调控目的lncRNA的新的调控模式。适用范围：同时具有miRNA表达谱数据和LncRNA芯片数据的样品。
b) microRNA与mRNA芯片整合分析。根据表达谱芯片结果和miRNA芯片结果联合分析，进一步定位差异miRNA发挥功能的途径以及相应的差异表达靶基因可能引起的生物学通路变化。首先利用 差异表达的miRNA找寻靶基因，将其与表达谱中的差异表达基因取交集。这样能找到既是差异miRNA的靶基因又在表达谱芯片中差异表达的基因，可以进一 步缩小miRNA可能影响的基因的范围，能够更加准确地研究这些基因所发挥的生物学功能。适用范围：同时具有mRNA表达谱数据和miRNA表达谱数据的样品，一般情况下用于分析的差异miRNA数目应小于10个。
c) microRNAs与DNA甲基化芯片结果联合分析。DNA甲基化和microRNA调控是两种重要的表观遗传现象。研究表明，特定microRNA能够作为肿瘤抑制microRNA靶向DNA甲基转移酶 （DNA methyltransferase，DNMT）。例如miR-29家族microRNA靶向DNMT 3A和3B，导致全基因组DNA甲基化的改变。同时，抑癌microRNA的启动子甲基化程度的改变也会影响癌症（例如多发性骨髓瘤）的发生。联合microRNAs和DNA甲基化芯片结果能够研究两者之间的复杂调控关系，更好地理解癌症发生的机制。适用范围：同时具有microRNA表达谱数据和甲基化谱数据的样品。
3. 与临床数据整合分析
上海源兹生物科技有限公司提供常规microRNA表达谱芯片分析，流程如下：
常规分步流程：
1. 芯片预处理与标准化；
2. 筛选差异表达microRNA；
3. microRNA聚类图、火山图以及热图等；
4. microRNA靶基因预测，基于多数据库整合的靶基因预测以及源兹生物自主知识产权的预测软件同时识别；
5. 对预测的microRNA的靶基因进行GO富集分析通路富集分析等。 同时，我们还提供多种个性化分析，常见个性化分析如下：
1. microRNA网络分析：
a) microRNA靶基因失调网络。在疾病发生的过程中，某些microRNA’可能失调了它的靶基因造成正常的调控功能异常，从而造成疾病的发生
b)microNRA功能协同作用网络。正常机体中多个microRNA同时调控某一靶基因很常见，从而达到共同调控某种生命过程的目的，而在疾病个体中可能出现调控同一功能的microRNA同时出现了差异的表达，这种异常的协同作用可能是疾病发生的原因。下图为一个示例协同作用网络：
2. microRNA与其他芯片整合分析：
a) microRNA芯片与lncRNAs芯片结果联合分析（ceRNA Analysis）。根据ceRNAs（competing endogenous RNAs，竞争性内源RNAs） 假说，mRNAs、和长链非编码RNAs（long non-coding RNAs，LncRNAs）间通过使用microRNA响应元件（microRNA response elements，MREs）作为一种“语言”彼此间进行“通信”， 形成一个复杂的调控网络，在病理条件下（例如癌症），发挥着重要的作用。通过联合microRNA表达谱和Arraystar LncRNA芯片结果，能够找出最有可能的ceRNA，并绘制ceRNA调控网络。上海丰核信息科技有限公司通过分析寻找感兴趣的lncRNA 的ceRNAs，进而构建miRNA、lncRNA和ceRNA的调控网络，从而揭示ceRNA通过竞争性结合miRNA来调控目的lncRNA的新的调控模式。适用范围：同时具有miRNA表达谱数据和LncRNA芯片数据的样品。
b) microRNA与mRNA芯片整合分析。根据表达谱芯片结果和miRNA芯片结果联合分析，进一步定位差异miRNA发挥功能的途径以及相应的差异表达靶基因可能引起的生物学通路变化。首先利用 差异表达的miRNA找寻靶基因，将其与表达谱中的差异表达基因取交集。这样能找到既是差异miRNA的靶基因又在表达谱芯片中差异表达的基因，可以进一 步缩小miRNA可能影响的基因的范围，能够更加准确地研究这些基因所发挥的生物学功能。适用范围：同时具有mRNA表达谱数据和miRNA表达谱数据的样品，一般情况下用于分析的差异miRNA数目应小于10个。
c) microRNAs与DNA甲基化芯片结果联合分析。DNA甲基化和microRNA调控是两种重要的表观遗传现象。研究表明，特定microRNA能够作为肿瘤抑制microRNA靶向DNA甲基转移酶 （DNA methyltransferase，DNMT）。例如miR-29家族microRNA靶向DNMT 3A和3B，导致全基因组DNA甲基化的改变。同时，抑癌microRNA的启动子甲基化程度的改变也会影响癌症（例如多发性骨髓瘤）的发生。联合microRNAs和DNA甲基化芯片结果能够研究两者之间的复杂调控关系，更好地理解癌症发生的机制。适用范围：同时具有microRNA表达谱数据和甲基化谱数据的样品。
3. 与临床数据整合分析
二、lncRNA表达芯片分析
lncRNA（long non-coding RNA）是一类长度超过200nt的长链非编码RNA分子，可在多种层面调控基因的表达。目前发现的许多lncRNA都具有保守的二级结构，特殊的剪切形式及亚细胞 定位。他们在基因组上相对于蛋白编码基因的位置一般可以分为五种：正义链(sense)、反义链(antisense)、双向 (bidirectional)、内含子间(intronic)、基因间(intergenic)，其所在位置与功能具有一定相关性。 lncRNA起初被认为是基因组转录的“噪音”，是RNA聚合酶II转录的副产物，不具有生物学功能。然而，近年来的研究表明，lncRNA参与了X染色体沉默，基因组 印记以及染色质修饰，转录激活，转录干扰，核内运输等多种重要的调控过程，lncRNA的这些调控作用也开始引起人们广泛的关注 生物信息学分析快速开展lncRNA研究的必要手段，通过分析lncRNA特征及差异表达，可以快速定位所需要研究的lncRNA。
三、甲基化芯片分析
表观遗传改变可以定义为基因的遗传性或获得性改变，但是这种改变和DNA序列改变无关。DNA甲基化是最为常见的表观遗传改变；启动子或第一外显子CpG 岛中的甲基化改变将导致基因表达失活。甲基化芯片可以检测全基因组范围内的甲基化位点，研究启动子甲基化对基因调控的影响。
四、蛋白质组芯片分析
三、甲基化芯片分析
表观遗传改变可以定义为基因的遗传性或获得性改变，但是这种改变和DNA序列改变无关。DNA甲基化是最为常见的表观遗传改变；启动子或第一外显子CpG 岛中的甲基化改变将导致基因表达失活。甲基化芯片可以检测全基因组范围内的甲基化位点，研究启动子甲基化对基因调控的影响。
四、蛋白质组芯片分析
蛋白质组芯片是一种高通量的蛋白功能分析技术，可用于蛋白质表达谱分析，研究蛋白质与蛋白质的相互作用，甚至DNA－蛋白质、RNA－蛋白质的相互作用，筛选药物作用的蛋白靶点等。
应用蛋白质组芯片可以进行基因表达的筛选、抗原抗体检测、蛋白筛选、生化反应检测、药物筛选以及疾病诊断等，相比于质谱的昂贵报价以及数据量来说，蛋白质组芯片的优势更加明显。
常规分析流程：
1. 芯片预处理，样本peak双向聚类
2. 过滤分析，PCA分析，发现离群样本，PCA分析是一种降维技术，可以将多维（即蛋白peak数）的芯片数据投射到低维空间中。相似的样本所在的点将彼此靠近，可以通过PCA分析找到那些“离群”的样本。
3. 分组差异peak的筛选，根据实验样本的分组情况进行差异峰的筛选，并进行聚类分析，确定差异峰(蛋白)及不同样本之间的互作关系。一般认为在聚类图上距离越近的样本或差异峰之间的关系越密切。
4. 疾病预测模型的构建，利用决策树，神经网络，SVM等机器学习方法来建立了分组诊断的模型，目的在于利用实验数据来筛选出一批靶标peak，并以此构建模型，以进行早期诊断、疾病预测和预后分析。
5. peak注释。功能分析，从基因水平上研究差异peak的功能信息，从不能的处理实验对比发现疾病的分子机制。
五、外显子芯片分析
外显子检测芯片分析，主流的芯片公司如安捷伦和Illumina都有代表性的外显子芯片。传统表达谱芯片的探针针对mRNA的3’端，不能检测可变剪接、3’末端没有PolyA化等变化。而外显子表达谱芯片(Exon Array)，对于每个外显子均设计相对应的探针，检测每个外显子的表达，从而可以达到检测mRNA各种变化的目的。外显子表达谱芯片对每个外显子（Exon）均有覆盖；传统表达谱芯片只覆盖mRNA的3’端。
外显子表达谱芯片与传统表达谱芯片检测的差别：
上海源兹科技有限公司可以为客户提供快速精准的常规外显子芯片的检测分析服务。
六、CHIP 芯片分析
染色质免疫沉淀（chromatin immunoprecipitation assay, ChIP）是研究体内DNA与蛋白质相互作用的方法，基本原理是在活细胞状态下把细胞内的蛋白质和DNA交联，超声波将其随机切断为一定长度范围内的染色质小片段，然后用所研究的目的蛋白质特异性抗体免疫沉淀蛋白质-DNA复合体，从而特异性地富集目的蛋白结合的DNA片段。ChIP不仅可以检测体内反式因子与DNA的动态作用，还可以用来研究组蛋白的各种共价修饰与基因表达的关系。ChIP与基因芯片相结合建立的ChIP-on-chip方 法已广泛用于特定反式因子靶基因的高通量筛选。
染色质免疫沉淀技术（ChIP）与生物芯片技术相结合，为研究蛋白与整个基因组相互作用提供了可能，广泛应用于转录因子在整个基因组中的结合位点和其他DNA结合蛋白或蛋白复合体的DNA结合位点、组蛋白修饰功能、DNA修饰功能等研究。
七、SNP芯片分析
SNP芯片的应用
疾病预防
SNP是在漫长的进化过程中形成的，具有遗传稳定性。将其与基因芯片技术相结合进行基因分型，将会产生大量的遗传易感性标志物，使通过基因分析来筛选易感个体、重点保护高危人群成为可能 。
临床诊断和个性化治疗
利用基因芯片技术分析感染病毒、细菌基因的多态性，有助于人们了解病毒、细菌的感染发病机制与抗药性机制.
药物开发与合理用药
目前兴起的药物基因组学主要研究遗传因素对药物作用的影响和不同基因型个体对药物反应的差异从而为临床有针对性地合理用药和根据不同基因型群体对药物的反应来改进药物设计提供了理论依据。
个性化下游分析过程：1. CNV分析2. SNP注释3. SNP挖掘分析4. 多个SNP芯片平台整合分析5. 与其他组学数据整合分析
应用蛋白质组芯片可以进行基因表达的筛选、抗原抗体检测、蛋白筛选、生化反应检测、药物筛选以及疾病诊断等，相比于质谱的昂贵报价以及数据量来说，蛋白质组芯片的优势更加明显。
常规分析流程：
1. 芯片预处理，样本peak双向聚类
2. 过滤分析，PCA分析，发现离群样本，PCA分析是一种降维技术，可以将多维（即蛋白peak数）的芯片数据投射到低维空间中。相似的样本所在的点将彼此靠近，可以通过PCA分析找到那些“离群”的样本。
3. 分组差异peak的筛选，根据实验样本的分组情况进行差异峰的筛选，并进行聚类分析，确定差异峰(蛋白)及不同样本之间的互作关系。一般认为在聚类图上距离越近的样本或差异峰之间的关系越密切。
4. 疾病预测模型的构建，利用决策树，神经网络，SVM等机器学习方法来建立了分组诊断的模型，目的在于利用实验数据来筛选出一批靶标peak，并以此构建模型，以进行早期诊断、疾病预测和预后分析。
5. peak注释。功能分析，从基因水平上研究差异peak的功能信息，从不能的处理实验对比发现疾病的分子机制。
五、外显子芯片分析
外显子检测芯片分析，主流的芯片公司如安捷伦和Illumina都有代表性的外显子芯片。传统表达谱芯片的探针针对mRNA的3’端，不能检测可变剪接、3’末端没有PolyA化等变化。而外显子表达谱芯片(Exon Array)，对于每个外显子均设计相对应的探针，检测每个外显子的表达，从而可以达到检测mRNA各种变化的目的。外显子表达谱芯片对每个外显子（Exon）均有覆盖；传统表达谱芯片只覆盖mRNA的3’端。
外显子表达谱芯片与传统表达谱芯片检测的差别：
上海源兹科技有限公司可以为客户提供快速精准的常规外显子芯片的检测分析服务。
六、CHIP 芯片分析
染色质免疫沉淀（chromatin immunoprecipitation assay, ChIP）是研究体内DNA与蛋白质相互作用的方法，基本原理是在活细胞状态下把细胞内的蛋白质和DNA交联，超声波将其随机切断为一定长度范围内的染色质小片段，然后用所研究的目的蛋白质特异性抗体免疫沉淀蛋白质-DNA复合体，从而特异性地富集目的蛋白结合的DNA片段。ChIP不仅可以检测体内反式因子与DNA的动态作用，还可以用来研究组蛋白的各种共价修饰与基因表达的关系。ChIP与基因芯片相结合建立的ChIP-on-chip方 法已广泛用于特定反式因子靶基因的高通量筛选。
染色质免疫沉淀技术（ChIP）与生物芯片技术相结合，为研究蛋白与整个基因组相互作用提供了可能，广泛应用于转录因子在整个基因组中的结合位点和其他DNA结合蛋白或蛋白复合体的DNA结合位点、组蛋白修饰功能、DNA修饰功能等研究。
七、SNP芯片分析
SNP芯片的应用
疾病预防
SNP是在漫长的进化过程中形成的，具有遗传稳定性。将其与基因芯片技术相结合进行基因分型，将会产生大量的遗传易感性标志物，使通过基因分析来筛选易感个体、重点保护高危人群成为可能 。
临床诊断和个性化治疗
利用基因芯片技术分析感染病毒、细菌基因的多态性，有助于人们了解病毒、细菌的感染发病机制与抗药性机制.
药物开发与合理用药
目前兴起的药物基因组学主要研究遗传因素对药物作用的影响和不同基因型个体对药物反应的差异从而为临床有针对性地合理用药和根据不同基因型群体对药物的反应来改进药物设计提供了理论依据。
个性化下游分析过程：1. CNV分析2. SNP注释3. SNP挖掘分析4. 多个SNP芯片平台整合分析5. 与其他组学数据整合分析
八、aCGH芯片分析
拷贝数变异（Copy Number Variation, CNV）是基因组除寡核苷酸多态性（SNP）外一种常见的变异，是因染色体重排导致的基因组1kb以上的变异。越来越多的研究表明，CNV在疾病发生发展过程中起着重要的作用。
aCGH 芯片技术是检测基因组拷贝数变异的一种高效且经济的方法。目前市场上有多种aCGH芯片商，但是原理都相同，都是采用双色探针杂交技术，即case基因组和control基因组用不同颜色标记，通过计算log2（case/control）ratio计算拷贝数。
将基因组和转录做整合分析，从基因组异常寻找转录组异常的原因，从转录异常体现基因异常的结果。目前已有许多将两种组学数据整合分析的尝试，如通过整合寻找基因关键的突变，结合网络分析，疾病亚型分析等等。
九、多基因芯片整合分析
目前在公共数据库中可以收集到相同或相似的实验设计的基因表达谱数据，但是每一个数据集的包含的样本数目有限，单从一个基因表达谱的数据出发挖掘得到的信息不够全面。即使相同平台产生的数据在不同实验室获得的数据信息会存在许多不一致的地方。目前从临床上借鉴meta分析研究多个不同实验室得到的相似课题下的基因表达谱，可以更全面的筛选特定疾病的关键基因和生物学过程。
常规的多基因表达谱芯片整合流程中最关键的一步为去除批次误差即批次误差，源兹生物自行研发的快速芯片分析系统中集成了批次误差修正程序，可以快速的分析多实验集的芯片数据，获得可靠的芯片分析报告。借鉴meta分析策略，我们还开发了多芯片meta分析流程，快速的获得多基因表达单基因的meta分析结果。
拷贝数变异（Copy Number Variation, CNV）是基因组除寡核苷酸多态性（SNP）外一种常见的变异，是因染色体重排导致的基因组1kb以上的变异。越来越多的研究表明，CNV在疾病发生发展过程中起着重要的作用。
aCGH 芯片技术是检测基因组拷贝数变异的一种高效且经济的方法。目前市场上有多种aCGH芯片商，但是原理都相同，都是采用双色探针杂交技术，即case基因组和control基因组用不同颜色标记，通过计算log2（case/control）ratio计算拷贝数。
将基因组和转录做整合分析，从基因组异常寻找转录组异常的原因，从转录异常体现基因异常的结果。目前已有许多将两种组学数据整合分析的尝试，如通过整合寻找基因关键的突变，结合网络分析，疾病亚型分析等等。
九、多基因芯片整合分析
目前在公共数据库中可以收集到相同或相似的实验设计的基因表达谱数据，但是每一个数据集的包含的样本数目有限，单从一个基因表达谱的数据出发挖掘得到的信息不够全面。即使相同平台产生的数据在不同实验室获得的数据信息会存在许多不一致的地方。目前从临床上借鉴meta分析研究多个不同实验室得到的相似课题下的基因表达谱，可以更全面的筛选特定疾病的关键基因和生物学过程。
常规的多基因表达谱芯片整合流程中最关键的一步为去除批次误差即批次误差，源兹生物自行研发的快速芯片分析系统中集成了批次误差修正程序，可以快速的分析多实验集的芯片数据，获得可靠的芯片分析报告。借鉴meta分析策略，我们还开发了多芯片meta分析流程，快速的获得多基因表达单基因的meta分析结果。
风险提示：丁香通仅作为第三方平台，为商家信息发布提供平台空间。用户咨询产品时请注意保护个人信息及财产安全，合理判断，谨慎选购商品，商家和用户对交易行为负责。对于医疗器械类产品，请先查证核实企业经营资质和医疗器械产品注册证情况。
- 作者
- 内容
- 询问日期
文献和实验相关实验
pianpianqiwu812 求助各位老师，近期我做了6张miRNA芯片，实验组3张，对照组3张，公司给我的数据只有相对值，没有P值。原因是芯片数量少，不需要做统计学分析。这种说法是否对？还有就是在计算差异倍数时是用实验组相对值分别除以对照组的相对值，倍数在2倍以上的入选。这样计算是否对，还是倍数计算也是要有相关软件的？我在这方面真是只菜鸟，不懂的很多，公司说的我感到有些可疑。:( zhujoker 这个你在做的时候就应该
刚才在网上看到的，不知道是不是有人发过了。 网址：http://www.csc.fi/oppaat/siru/ 下载地址：http://www.csc.fi/oppaat/siru/siruwww.pdf 分部分下载地址： Part I http://www.csc.fi/oppaat/siru/sirupartI.pdf PartII http://www.csc.fi/oppaat/siru/sirupartII.pdf PartIII http://www
今天给大家介绍一种简单快速的基因芯片数据分析网站GCBI 基因云平台（www.gcbi.com.cn），可以让科研人员及医生低门槛并且快速的使用生物信息学进行基因相关的研究。 分析思路 先以表达谱数据为例介绍基本的分析思路： 1. 差异基因筛选： 对实验组和对照组进行差异基因筛选，筛选出与实验因素（可以是疾病、干扰或过表达等）相关的差异表达基因。 2. 差异基因功能与通路分析： 对差异基因基于 GeneOntology 和 KEGG 数据库进行显著
技术资料暂无技术资料 索取技术资料
芯片数据分析服务
询价
